Performance Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер по производительности на стыке frontier AI-моделей и HPC-инфраструктуры. Профилирование и оптимизация крупномасштабных training и inference нагрузок для ускорения пайплайна открытия материалов.

Задачи

• Анализировать архитектуры моделей и оптимизировать отображение математических операций на железо, в частности NVIDIA GPU kernels и коллективные коммуникации (NCCL)
• Внедрять техники эффективности: квантизацию, прунинг и дистилляцию для снижения задержек API
• Оптимизировать пайплайны данных, чтобы ускорители не простаивали в ожидании данных
• Профилировать end-to-end выполнение training-задач и находить узкие места и конкуренцию за interconnect
• Строить и поддерживать real-time дашборды с метриками MFU, пропускной способностью памяти и uptime кластера
• Следить за утилизацией AI-ускорителей (H100) и предотвращать простои и утечки памяти
• Разрабатывать scaling laws и внутренние инструменты для прогнозирования поведения системы
• Работать с AI-исследователями над адаптацией архитектур моделей под железо
• Совместно с инфраструктурной командой влиять на дизайн будущих вычислительных кластеров
• Проектировать кастомные kernels и низкоуровневые оптимизации

Требования

• 3+ года опыта в performance engineering, SRE или низкоуровневой разработке с фокусом на HPC или AI-нагрузки
• Экспертные знания архитектуры GPU и опыт оптимизации CUDA kernels или использования Triton
• Глубокое понимание фреймворков распределённого обучения (PyTorch Distributed, DeepSpeed, Megatron-LM) и сетевых протоколов
• Владение инструментами профилирования: Nsight Systems, Nsight Compute, Weights & Biases
• Самостоятельность и mindset билдера в быстрорастущем стартапе

Условия

• Конкурентная зарплата
• Опционы (equity) в CuspAI
• 28 дней отпуска (DE, NL, UK) или 21 день (JP, SG, US) плюс местные праздники
• Оплачиваемый родительский отпуск: 26 недель основному опекуну и 12 недель второму
• Бюджет на профессиональное развитие
• Гибридный формат: 3 дня в неделю в офисе
• Возможны командировки по Европе и другим регионам
• Онбординг в офисе Cambridge/London

Навыки

• CUDA
• Triton
• NVIDIA GPU
• NCCL
• PyTorch Distributed
• DeepSpeed
• Megatron-LM
• Nsight Systems
• Nsight Compute
• Weights & Biases
• HPC
• Quantization
• Model pruning
• Distillation
• TPU
• MLOps
• AWS
• GCP
• Azure